基于时-频分析的歌声分离.doc

1、电路与系统专业优秀论文 基于时-频分析的歌声分离关键词：时频分析 歌声分离 主音高检测 听觉滤波器 乐音分离 信号处理 心理声学 小波变换摘要：为实现对大型在线音乐数据进行自动分析、组织和检索，乐音分离在近几年越来越受到人们的关注。非立体声分离是希望从单一声道的多音音乐中恢复出每一个声源/乐器声线，这是一个非常具有挑战性的问题。而本文要研究的是歌声分离，也就是从单一声道的多音音乐中将歌唱声分离出来，并且能达到较好的分离效果。概括地说，现有的非立体声乐音分离系统都是基于传统的信号处理技术（主要是正弦模型） ，统计技术（如稀疏编码和非负矩阵分解） ，或者基于心理声学的研究（计算听觉场景分析，CAS

2、A） 。 音乐信号是一种典型的非平稳信号，因此对于分析音乐信号，时频（TF）分析方法是有效的。TF 分析方法是非平稳信号处理的一个重要分支，它是利用时间和频率的联合函数来表示非平稳信号，并对其进行分析和处理。TF 分析方法按照 TF 联合函数的不同可以分为线性和非线性两种。常见的线性 TF 表示主要有短时傅立叶变换（STFT） 、Gabor 展开以及小波变换等。非线性 TF 方法主要有WignerVille 分布（WVD）和 Cohen 类。此外，听觉滤波器也逐渐成为对信号进行 TF 分析的重要方式。 CASA 研究的主要目标是分析一个听觉场景，并识别场景中的各种声音。我们也是根据 CASA

3、的思想建立了基于 TF 分析的歌声分离系统。该分离系统由四个模块组成：TF 分解、主音高检测、歌声TF 信息的提取和歌声的合成。在 TF 分解阶段我们采用了 STFT 和Gammatone 滤波器两种 TF 分析技术，由此设计出两种分离方法。基于 STFT的歌声分离系统，在 TF 分解阶段是利用 STFT 将输入的时域信号变换到 TF域。经过这样的处理，信号的频谱具有随时间变化的特点。基于 Gammatone 滤波器的歌声分离系统，是利用一个 Gammatone 滤波器组将输入信号分解成多个频带的时域信号，然后将每个滤波器的输出划分为重叠的帧。两种方法的主音高的检测模块是一致的。虽然基音提取的

4、方法有很多，但是大多数乐音信号是多音信号，所以想要从多音信号中提取出歌声的音高相当困难。而我们利用乐音的谐波特性进行音高的提取。第三阶段是进行歌声 TF 信息的提取。基于STFT 的方法，是根据检测到的主音高，将每一帧信号的频谱中的各次谐波结构提取出来。而在基于 Gammatone 滤波器的方法中，除了要用到主音高，还需要计算相关图谱和交叉通道互相关，以及端点检测。最后一步，STFT 方法中是对提取的歌声的短时谱进行反变换。而在第二种分离方法中，对各通道进行叠加求和就可以得到分离的歌声。正文内容为实现对大型在线音乐数据进行自动分析、组织和检索，乐音分离在近几年越来越受到人们的关注。非立体声分离

5、是希望从单一声道的多音音乐中恢复出每一个声源/乐器声线，这是一个非常具有挑战性的问题。而本文要研究的是歌声分离，也就是从单一声道的多音音乐中将歌唱声分离出来，并且能达到较好的分离效果。概括地说，现有的非立体声乐音分离系统都是基于传统的信号处理技术（主要是正弦模型） ，统计技术（如稀疏编码和非负矩阵分解） ，或者基于心理声学的研究（计算听觉场景分析，CASA） 。 音乐信号是一种典型的非平稳信号，因此对于分析音乐信号，时频（TF）分析方法是有效的。TF 分析方法是非平稳信号处理的一个重要分支，它是利用时间和频率的联合函数来表示非平稳信号，并对其进行分析和处理。TF 分析方法按照 TF 联合函数的

6、不同可以分为线性和非线性两种。常见的线性 TF 表示主要有短时傅立叶变换（STFT） 、Gabor 展开以及小波变换等。非线性 TF 方法主要有WignerVille 分布（WVD）和 Cohen 类。此外，听觉滤波器也逐渐成为对信号进行 TF 分析的重要方式。 CASA 研究的主要目标是分析一个听觉场景，并识别场景中的各种声音。我们也是根据 CASA 的思想建立了基于 TF 分析的歌声分离系统。该分离系统由四个模块组成：TF 分解、主音高检测、歌声TF 信息的提取和歌声的合成。在 TF 分解阶段我们采用了 STFT 和Gammatone 滤波器两种 TF 分析技术，由此设计出两种分离方法。基

7、于 STFT的歌声分离系统，在 TF 分解阶段是利用 STFT 将输入的时域信号变换到 TF域。经过这样的处理，信号的频谱具有随时间变化的特点。基于 Gammatone 滤波器的歌声分离系统，是利用一个 Gammatone 滤波器组将输入信号分解成多个频带的时域信号，然后将每个滤波器的输出划分为重叠的帧。两种方法的主音高的检测模块是一致的。虽然基音提取的方法有很多，但是大多数乐音信号是多音信号，所以想要从多音信号中提取出歌声的音高相当困难。而我们利用乐音的谐波特性进行音高的提取。第三阶段是进行歌声 TF 信息的提取。基于STFT 的方法，是根据检测到的主音高，将每一帧信号的频谱中的各次谐波结构

8、提取出来。而在基于 Gammatone 滤波器的方法中，除了要用到主音高，还需要计算相关图谱和交叉通道互相关，以及端点检测。最后一步，STFT 方法中是对提取的歌声的短时谱进行反变换。而在第二种分离方法中，对各通道进行叠加求和就可以得到分离的歌声。为实现对大型在线音乐数据进行自动分析、组织和检索，乐音分离在近几年越来越受到人们的关注。非立体声分离是希望从单一声道的多音音乐中恢复出每一个声源/乐器声线，这是一个非常具有挑战性的问题。而本文要研究的是歌声分离，也就是从单一声道的多音音乐中将歌唱声分离出来，并且能达到较好的分离效果。概括地说，现有的非立体声乐音分离系统都是基于传统的信号处理技术（主要

9、是正弦模型） ，统计技术（如稀疏编码和非负矩阵分解） ，或者基于心理声学的研究（计算听觉场景分析，CASA） 。 音乐信号是一种典型的非平稳信号，因此对于分析音乐信号，时频（TF）分析方法是有效的。TF 分析方法是非平稳信号处理的一个重要分支，它是利用时间和频率的联合函数来表示非平稳信号，并对其进行分析和处理。TF 分析方法按照 TF 联合函数的不同可以分为线性和非线性两种。常见的线性 TF 表示主要有短时傅立叶变换（STFT） 、Gabor 展开以及小波变换等。非线性 TF 方法主要有 WignerVille 分布（WVD）和 Cohen 类。此外，听觉滤波器也逐渐成为对信号进行 TF 分析

10、的重要方式。 CASA 研究的主要目标是分析一个听觉场景，并识别场景中的各种声音。我们也是根据 CASA 的思想建立了基于 TF 分析的歌声分离系统。该分离系统由四个模块组成：TF 分解、主音高检测、歌声 TF 信息的提取和歌声的合成。在 TF 分解阶段我们采用了 STFT 和 Gammatone 滤波器两种 TF 分析技术，由此设计出两种分离方法。基于 STFT 的歌声分离系统，在 TF 分解阶段是利用 STFT 将输入的时域信号变换到 TF 域。经过这样的处理，信号的频谱具有随时间变化的特点。基于 Gammatone 滤波器的歌声分离系统，是利用一个 Gammatone 滤波器组将输入信号

11、分解成多个频带的时域信号，然后将每个滤波器的输出划分为重叠的帧。两种方法的主音高的检测模块是一致的。虽然基音提取的方法有很多，但是大多数乐音信号是多音信号，所以想要从多音信号中提取出歌声的音高相当困难。而我们利用乐音的谐波特性进行音高的提取。第三阶段是进行歌声 TF 信息的提取。基于 STFT 的方法，是根据检测到的主音高，将每一帧信号的频谱中的各次谐波结构提取出来。而在基于 Gammatone 滤波器的方法中，除了要用到主音高，还需要计算相关图谱和交叉通道互相关，以及端点检测。最后一步，STFT 方法中是对提取的歌声的短时谱进行反变换。而在第二种分离方法中，对各通道进行叠加求和就可以得到分离

12、的歌声。为实现对大型在线音乐数据进行自动分析、组织和检索，乐音分离在近几年越来越受到人们的关注。非立体声分离是希望从单一声道的多音音乐中恢复出每一个声源/乐器声线，这是一个非常具有挑战性的问题。而本文要研究的是歌声分离，也就是从单一声道的多音音乐中将歌唱声分离出来，并且能达到较好的分离效果。概括地说，现有的非立体声乐音分离系统都是基于传统的信号处理技术（主要是正弦模型） ，统计技术（如稀疏编码和非负矩阵分解） ，或者基于心理声学的研究（计算听觉场景分析，CASA） 。 音乐信号是一种典型的非平稳信号，因此对于分析音乐信号，时频（TF）分析方法是有效的。TF 分析方法是非平稳信号处理的一个重要分

13、支，它是利用时间和频率的联合函数来表示非平稳信号，并对其进行分析和处理。TF 分析方法按照 TF 联合函数的不同可以分为线性和非线性两种。常见的线性 TF 表示主要有短时傅立叶变换（STFT） 、Gabor 展开以及小波变换等。非线性 TF 方法主要有 WignerVille 分布（WVD）和 Cohen 类。此外，听觉滤波器也逐渐成为对信号进行 TF 分析的重要方式。 CASA 研究的主要目标是分析一个听觉场景，并识别场景中的各种声音。我们也是根据 CASA 的思想建立了基于 TF 分析的歌声分离系统。该分离系统由四个模块组成：TF 分解、主音高检测、歌声 TF 信息的提取和歌声的合成。在

14、TF 分解阶段我们采用了 STFT 和 Gammatone 滤波器两种 TF 分析技术，由此设计出两种分离方法。基于 STFT 的歌声分离系统，在 TF 分解阶段是利用 STFT 将输入的时域信号变换到 TF 域。经过这样的处理，信号的频谱具有随时间变化的特点。基于 Gammatone 滤波器的歌声分离系统，是利用一个 Gammatone 滤波器组将输入信号分解成多个频带的时域信号，然后将每个滤波器的输出划分为重叠的帧。两种方法的主音高的检测模块是一致的。虽然基音提取的方法有很多，但是大多数乐音信号是多音信号，所以想要从多音信号中提取出歌声的音高相当困难。而我们利用乐音的谐波特性进行音高的提取

15、。第三阶段是进行歌声 TF 信息的提取。基于 STFT 的方法，是根据检测到的主音高，将每一帧信号的频谱中的各次谐波结构提取出来。而在基于 Gammatone 滤波器的方法中，除了要用到主音高，还需要计算相关图谱和交叉通道互相关，以及端点检测。最后一步，STFT 方法中是对提取的歌声的短时谱进行反变换。而在第二种分离方法中，对各通道进行叠加求和就可以得到分离的歌声。为实现对大型在线音乐数据进行自动分析、组织和检索，乐音分离在近几年越来越受到人们的关注。非立体声分离是希望从单一声道的多音音乐中恢复出每一个声源/乐器声线，这是一个非常具有挑战性的问题。而本文要研究的是歌声分离，也就是从单一声道的多

16、音音乐中将歌唱声分离出来，并且能达到较好的分离效果。概括地说，现有的非立体声乐音分离系统都是基于传统的信号处理技术（主要是正弦模型） ，统计技术（如稀疏编码和非负矩阵分解） ，或者基于心理声学的研究（计算听觉场景分析，CASA） 。 音乐信号是一种典型的非平稳信号，因此对于分析音乐信号，时频（TF）分析方法是有效的。TF 分析方法是非平稳信号处理的一个重要分支，它是利用时间和频率的联合函数来表示非平稳信号，并对其进行分析和处理。TF 分析方法按照 TF 联合函数的不同可以分为线性和非线性两种。常见的线性 TF 表示主要有短时傅立叶变换（STFT） 、Gabor 展开以及小波变换等。非线性 TF

17、 方法主要有 WignerVille 分布（WVD）和 Cohen 类。此外，听觉滤波器也逐渐成为对信号进行 TF 分析的重要方式。 CASA 研究的主要目标是分析一个听觉场景，并识别场景中的各种声音。我们也是根据 CASA 的思想建立了基于 TF 分析的歌声分离系统。该分离系统由四个模块组成：TF 分解、主音高检测、歌声 TF 信息的提取和歌声的合成。在 TF 分解阶段我们采用了 STFT 和 Gammatone 滤波器两种 TF 分析技术，由此设计出两种分离方法。基于 STFT 的歌声分离系统，在 TF 分解阶段是利用 STFT 将输入的时域信号变换到 TF 域。经过这样的处理，信号的频谱

18、具有随时间变化的特点。基于 Gammatone 滤波器的歌声分离系统，是利用一个 Gammatone 滤波器组将输入信号分解成多个频带的时域信号，然后将每个滤波器的输出划分为重叠的帧。两种方法的主音高的检测模块是一致的。虽然基音提取的方法有很多，但是大多数乐音信号是多音信号，所以想要从多音信号中提取出歌声的音高相当困难。而我们利用乐音的谐波特性进行音高的提取。第三阶段是进行歌声 TF 信息的提取。基于 STFT 的方法，是根据检测到的主音高，将每一帧信号的频谱中的各次谐波结构提取出来。而在基于 Gammatone 滤波器的方法中，除了要用到主音高，还需要计算相关图谱和交叉通道互相关，以及端点检

19、测。最后一步，STFT 方法中是对提取的歌声的短时谱进行反变换。而在第二种分离方法中，对各通道进行叠加求和就可以得到分离的歌声。为实现对大型在线音乐数据进行自动分析、组织和检索，乐音分离在近几年越来越受到人们的关注。非立体声分离是希望从单一声道的多音音乐中恢复出每一个声源/乐器声线，这是一个非常具有挑战性的问题。而本文要研究的是歌声分离，也就是从单一声道的多音音乐中将歌唱声分离出来，并且能达到较好的分离效果。概括地说，现有的非立体声乐音分离系统都是基于传统的信号处理技术（主要是正弦模型） ，统计技术（如稀疏编码和非负矩阵分解） ，或者基于心理声学的研究（计算听觉场景分析，CASA） 。 音乐信

20、号是一种典型的非平稳信号，因此对于分析音乐信号，时频（TF）分析方法是有效的。TF 分析方法是非平稳信号处理的一个重要分支，它是利用时间和频率的联合函数来表示非平稳信号，并对其进行分析和处理。TF 分析方法按照 TF 联合函数的不同可以分为线性和非线性两种。常见的线性 TF 表示主要有短时傅立叶变换（STFT） 、Gabor 展开以及小波变换等。非线性 TF 方法主要有 WignerVille 分布（WVD）和 Cohen 类。此外，听觉滤波器也逐渐成为对信号进行 TF 分析的重要方式。 CASA 研究的主要目标是分析一个听觉场景，并识别场景中的各种声音。我们也是根据 CASA 的思想建立了基

21、于 TF 分析的歌声分离系统。该分离系统由四个模块组成：TF 分解、主音高检测、歌声 TF 信息的提取和歌声的合成。在 TF 分解阶段我们采用了 STFT 和 Gammatone 滤波器两种 TF 分析技术，由此设计出两种分离方法。基于 STFT 的歌声分离系统，在 TF 分解阶段是利用 STFT 将输入的时域信号变换到 TF 域。经过这样的处理，信号的频谱具有随时间变化的特点。基于 Gammatone 滤波器的歌声分离系统，是利用一个 Gammatone 滤波器组将输入信号分解成多个频带的时域信号，然后将每个滤波器的输出划分为重叠的帧。两种方法的主音高的检测模块是一致的。虽然基音提取的方法有

22、很多，但是大多数乐音信号是多音信号，所以想要从多音信号中提取出歌声的音高相当困难。而我们利用乐音的谐波特性进行音高的提取。第三阶段是进行歌声 TF 信息的提取。基于 STFT 的方法，是根据检测到的主音高，将每一帧信号的频谱中的各次谐波结构提取出来。而在基于 Gammatone 滤波器的方法中，除了要用到主音高，还需要计算相关图谱和交叉通道互相关，以及端点检测。最后一步，STFT 方法中是对提取的歌声的短时谱进行反变换。而在第二种分离方法中，对各通道进行叠加求和就可以得到分离的歌声。为实现对大型在线音乐数据进行自动分析、组织和检索，乐音分离在近几年越来越受到人们的关注。非立体声分离是希望从单一

23、声道的多音音乐中恢复出每一个声源/乐器声线，这是一个非常具有挑战性的问题。而本文要研究的是歌声分离，也就是从单一声道的多音音乐中将歌唱声分离出来，并且能达到较好的分离效果。概括地说，现有的非立体声乐音分离系统都是基于传统的信号处理技术（主要是正弦模型） ，统计技术（如稀疏编码和非负矩阵分解） ，或者基于心理声学的研究（计算听觉场景分析，CASA） 。 音乐信号是一种典型的非平稳信号，因此对于分析音乐信号，时频（TF）分析方法是有效的。TF 分析方法是非平稳信号处理的一个重要分支，它是利用时间和频率的联合函数来表示非平稳信号，并对其进行分析和处理。TF 分析方法按照 TF 联合函数的不同可以分为

24、线性和非线性两种。常见的线性 TF 表示主要有短时傅立叶变换（STFT） 、Gabor 展开以及小波变换等。非线性 TF 方法主要有 WignerVille 分布（WVD）和 Cohen 类。此外，听觉滤波器也逐渐成为对信号进行 TF 分析的重要方式。 CASA 研究的主要目标是分析一个听觉场景，并识别场景中的各种声音。我们也是根据 CASA 的思想建立了基于 TF 分析的歌声分离系统。该分离系统由四个模块组成：TF 分解、主音高检测、歌声 TF 信息的提取和歌声的合成。在 TF 分解阶段我们采用了 STFT 和 Gammatone 滤波器两种 TF 分析技术，由此设计出两种分离方法。基于 S

25、TFT 的歌声分离系统，在 TF 分解阶段是利用 STFT 将输入的时域信号变换到 TF 域。经过这样的处理，信号的频谱具有随时间变化的特点。基于 Gammatone 滤波器的歌声分离系统，是利用一个 Gammatone 滤波器组将输入信号分解成多个频带的时域信号，然后将每个滤波器的输出划分为重叠的帧。两种方法的主音高的检测模块是一致的。虽然基音提取的方法有很多，但是大多数乐音信号是多音信号，所以想要从多音信号中提取出歌声的音高相当困难。而我们利用乐音的谐波特性进行音高的提取。第三阶段是进行歌声 TF 信息的提取。基于 STFT 的方法，是根据检测到的主音高，将每一帧信号的频谱中的各次谐波结构

26、提取出来。而在基于 Gammatone 滤波器的方法中，除了要用到主音高，还需要计算相关图谱和交叉通道互相关，以及端点检测。最后一步，STFT 方法中是对提取的歌声的短时谱进行反变换。而在第二种分离方法中，对各通道进行叠加求和就可以得到分离的歌声。为实现对大型在线音乐数据进行自动分析、组织和检索，乐音分离在近几年越来越受到人们的关注。非立体声分离是希望从单一声道的多音音乐中恢复出每一个声源/乐器声线，这是一个非常具有挑战性的问题。而本文要研究的是歌声分离，也就是从单一声道的多音音乐中将歌唱声分离出来，并且能达到较好的分离效果。概括地说，现有的非立体声乐音分离系统都是基于传统的信号处理技术（主要

27、是正弦模型） ，统计技术（如稀疏编码和非负矩阵分解） ，或者基于心理声学的研究（计算听觉场景分析，CASA） 。 音乐信号是一种典型的非平稳信号，因此对于分析音乐信号，时频（TF）分析方法是有效的。TF 分析方法是非平稳信号处理的一个重要分支，它是利用时间和频率的联合函数来表示非平稳信号，并对其进行分析和处理。TF 分析方法按照 TF 联合函数的不同可以分为线性和非线性两种。常见的线性 TF 表示主要有短时傅立叶变换（STFT） 、Gabor 展开以及小波变换等。非线性 TF 方法主要有 WignerVille 分布（WVD）和 Cohen 类。此外，听觉滤波器也逐渐成为对信号进行 TF 分析

28、的重要方式。 CASA 研究的主要目标是分析一个听觉场景，并识别场景中的各种声音。我们也是根据 CASA 的思想建立了基于 TF 分析的歌声分离系统。该分离系统由四个模块组成：TF 分解、主音高检测、歌声 TF 信息的提取和歌声的合成。在 TF 分解阶段我们采用了 STFT 和 Gammatone 滤波器两种 TF 分析技术，由此设计出两种分离方法。基于 STFT 的歌声分离系统，在 TF 分解阶段是利用 STFT 将输入的时域信号变换到 TF 域。经过这样的处理，信号的频谱具有随时间变化的特点。基于 Gammatone 滤波器的歌声分离系统，是利用一个 Gammatone 滤波器组将输入信号

29、分解成多个频带的时域信号，然后将每个滤波器的输出划分为重叠的帧。两种方法的主音高的检测模块是一致的。虽然基音提取的方法有很多，但是大多数乐音信号是多音信号，所以想要从多音信号中提取出歌声的音高相当困难。而我们利用乐音的谐波特性进行音高的提取。第三阶段是进行歌声 TF 信息的提取。基于 STFT 的方法，是根据检测到的主音高，将每一帧信号的频谱中的各次谐波结构提取出来。而在基于 Gammatone 滤波器的方法中，除了要用到主音高，还需要计算相关图谱和交叉通道互相关，以及端点检测。最后一步，STFT 方法中是对提取的歌声的短时谱进行反变换。而在第二种分离方法中，对各通道进行叠加求和就可以得到分离

30、的歌声。为实现对大型在线音乐数据进行自动分析、组织和检索，乐音分离在近几年越来越受到人们的关注。非立体声分离是希望从单一声道的多音音乐中恢复出每一个声源/乐器声线，这是一个非常具有挑战性的问题。而本文要研究的是歌声分离，也就是从单一声道的多音音乐中将歌唱声分离出来，并且能达到较好的分离效果。概括地说，现有的非立体声乐音分离系统都是基于传统的信号处理技术（主要是正弦模型） ，统计技术（如稀疏编码和非负矩阵分解） ，或者基于心理声学的研究（计算听觉场景分析，CASA） 。 音乐信号是一种典型的非平稳信号，因此对于分析音乐信号，时频（TF）分析方法是有效的。TF 分析方法是非平稳信号处理的一个重要分

31、支，它是利用时间和频率的联合函数来表示非平稳信号，并对其进行分析和处理。TF 分析方法按照 TF 联合函数的不同可以分为线性和非线性两种。常见的线性 TF 表示主要有短时傅立叶变换（STFT） 、Gabor 展开以及小波变换等。非线性 TF 方法主要有 WignerVille 分布（WVD）和 Cohen 类。此外，听觉滤波器也逐渐成为对信号进行 TF 分析的重要方式。 CASA 研究的主要目标是分析一个听觉场景，并识别场景中的各种声音。我们也是根据 CASA 的思想建立了基于 TF 分析的歌声分离系统。该分离系统由四个模块组成：TF 分解、主音高检测、歌声 TF 信息的提取和歌声的合成。在

32、TF 分解阶段我们采用了 STFT 和 Gammatone 滤波器两种 TF 分析技术，由此设计出两种分离方法。基于 STFT 的歌声分离系统，在 TF 分解阶段是利用 STFT 将输入的时域信号变换到 TF 域。经过这样的处理，信号的频谱具有随时间变化的特点。基于 Gammatone 滤波器的歌声分离系统，是利用一个 Gammatone 滤波器组将输入信号分解成多个频带的时域信号，然后将每个滤波器的输出划分为重叠的帧。两种方法的主音高的检测模块是一致的。虽然基音提取的方法有很多，但是大多数乐音信号是多音信号，所以想要从多音信号中提取出歌声的音高相当困难。而我们利用乐音的谐波特性进行音高的提取

33、。第三阶段是进行歌声 TF 信息的提取。基于 STFT 的方法，是根据检测到的主音高，将每一帧信号的频谱中的各次谐波结构提取出来。而在基于 Gammatone 滤波器的方法中，除了要用到主音高，还需要计算相关图谱和交叉通道互相关，以及端点检测。最后一步，STFT 方法中是对提取的歌声的短时谱进行反变换。而在第二种分离方法中，对各通道进行叠加求和就可以得到分离的歌声。为实现对大型在线音乐数据进行自动分析、组织和检索，乐音分离在近几年越来越受到人们的关注。非立体声分离是希望从单一声道的多音音乐中恢复出每一个声源/乐器声线，这是一个非常具有挑战性的问题。而本文要研究的是歌声分离，也就是从单一声道的多

34、音音乐中将歌唱声分离出来，并且能达到较好的分离效果。概括地说，现有的非立体声乐音分离系统都是基于传统的信号处理技术（主要是正弦模型） ，统计技术（如稀疏编码和非负矩阵分解） ，或者基于心理声学的研究（计算听觉场景分析，CASA） 。 音乐信号是一种典型的非平稳信号，因此对于分析音乐信号，时频（TF）分析方法是有效的。TF 分析方法是非平稳信号处理的一个重要分支，它是利用时间和频率的联合函数来表示非平稳信号，并对其进行分析和处理。TF 分析方法按照 TF 联合函数的不同可以分为线性和非线性两种。常见的线性 TF 表示主要有短时傅立叶变换（STFT） 、Gabor 展开以及小波变换等。非线性 TF

35、 方法主要有 WignerVille 分布（WVD）和 Cohen 类。此外，听觉滤波器也逐渐成为对信号进行 TF 分析的重要方式。 CASA 研究的主要目标是分析一个听觉场景，并识别场景中的各种声音。我们也是根据 CASA 的思想建立了基于 TF 分析的歌声分离系统。该分离系统由四个模块组成：TF 分解、主音高检测、歌声 TF 信息的提取和歌声的合成。在 TF 分解阶段我们采用了 STFT 和 Gammatone 滤波器两种 TF 分析技术，由此设计出两种分离方法。基于 STFT 的歌声分离系统，在 TF 分解阶段是利用 STFT 将输入的时域信号变换到 TF 域。经过这样的处理，信号的频谱

36、具有随时间变化的特点。基于 Gammatone 滤波器的歌声分离系统，是利用一个 Gammatone 滤波器组将输入信号分解成多个频带的时域信号，然后将每个滤波器的输出划分为重叠的帧。两种方法的主音高的检测模块是一致的。虽然基音提取的方法有很多，但是大多数乐音信号是多音信号，所以想要从多音信号中提取出歌声的音高相当困难。而我们利用乐音的谐波特性进行音高的提取。第三阶段是进行歌声 TF 信息的提取。基于 STFT 的方法，是根据检测到的主音高，将每一帧信号的频谱中的各次谐波结构提取出来。而在基于 Gammatone 滤波器的方法中，除了要用到主音高，还需要计算相关图谱和交叉通道互相关，以及端点检

37、测。最后一步，STFT 方法中是对提取的歌声的短时谱进行反变换。而在第二种分离方法中，对各通道进行叠加求和就可以得到分离的歌声。为实现对大型在线音乐数据进行自动分析、组织和检索，乐音分离在近几年越来越受到人们的关注。非立体声分离是希望从单一声道的多音音乐中恢复出每一个声源/乐器声线，这是一个非常具有挑战性的问题。而本文要研究的是歌声分离，也就是从单一声道的多音音乐中将歌唱声分离出来，并且能达到较好的分离效果。概括地说，现有的非立体声乐音分离系统都是基于传统的信号处理技术（主要是正弦模型） ，统计技术（如稀疏编码和非负矩阵分解） ，或者基于心理声学的研究（计算听觉场景分析，CASA） 。 音乐信

38、号是一种典型的非平稳信号，因此对于分析音乐信号，时频（TF）分析方法是有效的。TF 分析方法是非平稳信号处理的一个重要分支，它是利用时间和频率的联合函数来表示非平稳信号，并对其进行分析和处理。TF 分析方法按照 TF 联合函数的不同可以分为线性和非线性两种。常见的线性 TF 表示主要有短时傅立叶变换（STFT） 、Gabor 展开以及小波变换等。非线性 TF 方法主要有 WignerVille 分布（WVD）和 Cohen 类。此外，听觉滤波器也逐渐成为对信号进行 TF 分析的重要方式。 CASA 研究的主要目标是分析一个听觉场景，并识别场景中的各种声音。我们也是根据 CASA 的思想建立了基

39、于 TF 分析的歌声分离系统。该分离系统由四个模块组成：TF 分解、主音高检测、歌声 TF 信息的提取和歌声的合成。在 TF 分解阶段我们采用了 STFT 和 Gammatone 滤波器两种 TF 分析技术，由此设计出两种分离方法。基于 STFT 的歌声分离系统，在 TF 分解阶段是利用 STFT 将输入的时域信号变换到 TF 域。经过这样的处理，信号的频谱具有随时间变化的特点。基于 Gammatone 滤波器的歌声分离系统，是利用一个 Gammatone 滤波器组将输入信号分解成多个频带的时域信号，然后将每个滤波器的输出划分为重叠的帧。两种方法的主音高的检测模块是一致的。虽然基音提取的方法有

40、很多，但是大多数乐音信号是多音信号，所以想要从多音信号中提取出歌声的音高相当困难。而我们利用乐音的谐波特性进行音高的提取。第三阶段是进行歌声 TF 信息的提取。基于 STFT 的方法，是根据检测到的主音高，将每一帧信号的频谱中的各次谐波结构提取出来。而在基于 Gammatone 滤波器的方法中，除了要用到主音高，还需要计算相关图谱和交叉通道互相关，以及端点检测。最后一步，STFT 方法中是对提取的歌声的短时谱进行反变换。而在第二种分离方法中，对各通道进行叠加求和就可以得到分离的歌声。特别提醒 ：正文内容由 PDF 文件转码生成，如您电脑未有相应转换码，则无法显示正文内容，请您下载相应软件，下载

41、地址为 http:/ 。如还不能显示，可以联系我 q q 1627550258 ，提供原格式文档。我们还可提供代笔服务，价格优惠，服务周到，包您通过。“垐垯櫃 换烫梯葺铑?endstreamendobj2x 滌甸?*U 躆 跦?l, 墀 VGi?o 嫅#4K 錶 c#x 刔 彟 2Z 皙笜?D 剧珞 H 鏋 Kx 時 k,褝仆? 稀?i 攸闥-) 荮vJ 釔絓|?殢 D 蘰厣?籶(柶胊?07 姻Rl 遜 ee 醳 B?苒?甊袝 t 弟l?%G 趓毘 N 蒖與叚繜羇坯嵎憛?U?Xd* 蛥?-.臟兄+鮶 m4嵸/E 厤U 閄 r塎偨匰忓tQL 綹 eb?抔搉 ok 怊 J?l?庮 蔘?唍*舶裤爞 K 誵Xr 蛈翏磾寚缳 nE 駔殞梕 壦 e 櫫蹴友搇6 碪近躍邀 8 顪?zFi?U 钮 嬧撯暼坻7/?W?3RQ 碚螅 T 憚磴炬 B- 垥 n 國 0fw 丮“eI?a揦(?7 鳁?H?弋睟栴?霽 N 濎嬄! 盯 鼴蝔 4sxr?溣?檝皞咃 hi#?攊(?v 擗谂馿鏤刊 x 偨棆鯍抰Lyy|y 箲丽膈淢 m7 汍衂法瀶?鴫 C?Q 貖 澔?wC(?9m.Ek?腅僼碓 靔 奲?D| 疑維 d袣箈 Q| 榉慓採紤婏(鞄-h-蜪7I冑?匨+蘮.-懸 6 鶚?蚧?铒鷈?叛牪?蹾 rR?*t? 檸?籕